로보틱스 및 피지컬 AI 예측: 2026년의 6가지 투자 전망

• 로보틱스 산업은 현재 GPT-2.5 수준의 단계에 있으며, 파운데이션 모델이 실제 역량을 보여주고 있으나 실험실 성과와 현장 배포 간의 격차가 여전히 큼
• Goldman Sachs가 1년 만에 6배 상향한 2035년 380억 달러 시장 전망도 Bessemer는 보수적이라고 판단하며, 로보틱스 데이터 비용만 향후 2년간 업계 전체 30억 달러 이상 소요 예상
• 미국 로보틱스 기업 창업자의 48%가 Stanford, MIT, Berkeley, CMU 4개 기관 출신으로, 인재 집중이 승자 독식 구조를 가속화할 전망
• 방위 로보틱스 기업의 Series A 중앙값이 비방위 기업의 2배인 1억 500만 달러에 달하며, Anduril의 600억 달러 밸류에이션 등 최초의 500억 달러 이상 IPO가 이 분야에서 나올 것으로 예측
• 지난 5년간 3,000만 달러 이상 투자받은 로보틱스 기업이 소프트웨어의 18분의 1 수준인 42개에 불과해, 로보틱스 버블이 아닌 구조적 과소 투자 상태

로보틱스의 구조적 수요와 시장 전망

• 반복적 육체노동이나 위험한 작업 환경에 대한 인력 대체 수요가 미국, 유럽, 일본, 중국의 인구 구조 변화로 인해 지속 증가 중
• 일부 애널리스트들은 로보틱스 시장이 2035년까지 380억 달러에 도달할 것으로 예측했으며, Goldman Sachs는 이 전망을 1년 만에 6배 상향 조정
• Bessemer는 이 전망조차 속도와 규모 양면에서 보수적이라고 판단
• Bessemer 파트너 Jeremy Levine은 "향후 10~20년 안에 지구상에 지금보다 10만 배 많은 로봇이 존재할 것"이라고 발언
• Bessemer는 인재 이동, 기술 돌파구, 구조적 순풍이 동시에 가속화되는 시점에서 투자 기회를 포착하며, 포트폴리오에 Waymo, Mind Robotics, Foxglove, Breaker, Noda, Voxel51, DroneDeploy, Auterion, Perceptron, ANYbotics 등 포함

예측 1: 로보틱스의 ChatGPT 모먼트는 다가오고 있지만 아직 도달하지 않음

• 로보틱스 산업은 GPT-2.5 모먼트에 해당하는 단계로, 파운데이션 모델이 실질적 역량을 보여주고 스케일링 법칙이 나타나기 시작했으나 연구실 데모와 프로덕션 배포 간의 격차가 여전히 큼
• Physical Intelligence의 π0 모델은 인간 수준의 민첩성으로 빨래를 개는 데 성공
• 2026년 2월 발표된 EgoScale 논문은 사전학습 데이터 규모에 따라 정책 성능이 예측 가능하게 향상됨을 입증, 로보틱스 파운데이션 모델이 LLM과 동일한 데이터 기반 향상 곡선을 따른다는 첫 강력한 증거 제시
• 두 가지 핵심 미해결 질문 존재
  • 연구실 성능과 프로덕션이 요구하는 99.9% 신뢰도 간의 격차를 좁히려면 얼마나 많은 데이터가 필요한지
  • 로보틱스의 ChatGPT 모먼트가 도래할 때 그 모습이 어떨지
• 챗봇과 달리 텍스트 박스로 역량을 증명할 수 없으며, 인간 개입 없이 낯선 환경에서 복잡한 작업을 수행하는 로봇이 그 증거가 될 것
• 이미 상용화된 분야: 창고 자동화, 수술 보조, 라스트마일 배송, 산업 검사 등 제한된 환경의 목적 특화 시스템이 현재 매출 발생 중
• Perceptron CEO Armen Aghajanyan: "실세계 로보틱스의 핵심은 더 나은 제어 알고리듬이 아니라 물리 세계를 이해하는 파운데이션 모델이며, 로봇 제어는 그 위의 얇은 레이어에 불과"

예측 2: 스케일링 법칙의 등장 — 데이터는 비싸고 자본이 해자이며, 월드 모델이 지름길이 될 가능성

• LLM은 인터넷에서 수백 조 토큰의 텍스트를 활용할 수 있었으나, 로보틱스에는 그에 상응하는 코퍼스가 존재하지 않음
• 전 세계 로봇 조작 데이터는 약 30만 시간으로 추정되며, 인터넷 비디오 약 10억 시간, 텍스트 300조 토큰과 비교하면 구조적 격차 존재
• Bessemer는 향후 2년간 업계 전체 로보틱스 데이터 비용이 30억 달러 이상에 달할 것으로 추정
  • 텔레오퍼레이션, 자아중심 비디오, 시뮬레이션, 물리적 시연 수집 등 포함
  • 로봇 데이터는 스크래핑하거나 구매할 수 없고, 작업별·환경별로 직접 생성해야 함
• Zeromatter CEO Ian Glow: "텔레옵만으로는 성공적인 데이터 전략이 될 수 없으며, 인터넷이나 시뮬레이터에서 강화학습을 통해 데이터를 가져와야 필요한 규모와 다양성 확보 가능"
• 월드 모델: 인터넷 규모의 비디오에서 물리 법칙을 학습하는 신경망
  • Meta의 V-JEPA 2는 100만 시간 이상의 비디오로 학습 후, 62시간의 추가 로봇 데이터만으로 실제 로봇 팔에서 80% 제로샷 pick-and-place 성공률 달성
  • 단, NVIDIA의 Cosmos는 학습에 10,000개의 H100 GPU를 3개월간 사용했으며, 월드 모델도 자본 집약적 접근
• 시뮬레이션과 강화학습: 보행(locomotion)에는 sim-to-real 전환이 잘 작동하나, 조작(manipulation) 에서는 연성 물체, 직물, 액체 등의 충실도 문제로 아직 미해결 연구 과제
• Voxel51 CEO Brian Moore: "물리적 AI에서 선두와 허세를 가르는 것은 데이터 품질에 대한 집착이며, 나쁜 데이터는 비효율이 아니라 위험"

예측 3: 인재 집중이 빠르게 승자를 결정 — 50개 기업이 성공하는 시장이 아님

• 최근 5년간 설립되어 3,000만 달러 이상 투자받은 미국 로보틱스 기업 중 창업자의 43%가 박사 학위 보유
• 그 중 48%가 Stanford, MIT, Berkeley, CMU 4개 기관 출신
• 56%가 최소 1명의 박사 공동창업자를, 43%가 학계 직접 출신 창업자를 보유
• 인재 해자(moat)는 인재 → 자본 → 데이터 파트너십 → 고객 관계 → 독점 데이터셋 순으로 복리 효과 발생, 승자 독식 구조가 대부분의 예상보다 빠르게 형성
• LLM 분야에서는 오픈소스(Llama, Mistral)가 역량 접근을 민주화했으나, 로보틱스에서는 LeRobot, Genesis, Isaac Lab 등의 오픈소스가 성장 중이지만 "여전히 로봇이 필요"하다는 물리적 마찰 존재
• sim-to-real 전환, 조작, 보행, 센서 퓨전 등에서 가장 깊은 전문성을 가진 팀이 오픈소스 릴리스로 쉽게 복제할 수 없는 우위 구축 중

예측 4: 풀스택 기업이 단기 가치 확보 — 순수 파운데이션 모델 기업은 기다려야 함

• LLM에서는 GPT-4 같은 단일 API 엔드포인트로 2인 팀도 프론티어 AI 제품을 바로 구축 가능했으나, 로보틱스는 도메인별 데이터 수집, 환경 맞춤 파인튜닝, 하드웨어 통합, 운영 인프라 필요
• 현재 구축되는 해자는 모델 아키텍처보다 독점 데이터 파이프라인, 도메인 전문성, 배포 인프라, 피드백 루프를 생성하는 고객 관계에 존재
• 하드웨어 비용 하락이 이 역학을 가속화
  • DroneDeploy CEO Mike Winn: "건설 분야 지상 로봇이 대당 10만 달러에서 1만 5,000달러 미만으로, 도킹 드론이 20만 달러에서 2만 달러 미만으로 하락하면서 배포 확장의 임계점 통과 중"
• 스택은 세 레이어로 분리
  • 인프라 레이어: 파운데이션 모델, 월드 모델
  • 애플리케이션 레이어: 커스텀 하드웨어를 가진 풀스택 기업(휴머노이드, 산업용 시스템) + 상용 기성 플랫폼에 AI를 적용하는 풀스택 기업
• 가치가 애플리케이션 레이어에 집중되는 이유는 인프라 레이어가 아직 엔드투엔드 배포를 독립적으로 지원할 만큼 범용적이지 않기 때문
• 파운데이션 모델이 향상되고 sim-to-real 전환이 성숙하면 로보틱스의 API 모먼트가 도래할 것이나, 이는 2028년 이후의 이야기이며 현재 창에서는 수직 통합이 지속가능한 가치를 창출하는 영역
• Foxglove CEO Adrian Macneil: "물리적 AI의 결정적 우위는 모델의 새로움이 아닌 데이터 인프라의 품질이며, 모델이 수렴할수록 가장 강한 데이터 플라이휠을 가진 기업이 승리"

예측 5: 방위 로보틱스가 해당 카테고리 최초의 500억 달러 이상 IPO를 이끌 것

• 방위 로보틱스 기업의 Series A 중앙값이 2025년 기준 1억 500만 달러로, 비방위 기업의 5,000만 달러의 2배 이상이며, 이 격차는 2021년 이후 매년 확대
• Anduril은 2026년 3월 600억 달러 밸류에이션으로 마감, Saronic은 같은 달 자율 조선을 위한 17억 5,000만 달러 Series D 유치
• 방위 조달 주기는 길지만 예측 가능하며, 계약 규모가 크고 갱신율이 높으며 전환 비용이 상당
• 상업 로보틱스와 달리 방위 구매자는 ROI가 아닌 국가 안보 위험이라는 다른 계산법으로 운영
• 지정학적 측면이 이를 증폭: 2025년 전 세계 판매 휴머노이드 로봇의 약 90%가 중국산
• 중국 AI 모델은 미국 대비 평균 약 7개월 뒤처져 있으나 그 격차가 지속적으로 좁혀지고 있으며, 미국 정부가 로보틱스를 국가 안보 필수 사항으로 취급하기 시작
• 듀얼유스(이중 용도) 차원: 가장 방어적인 기업들은 단일 목적 무기 시스템이 아닌 상업적 적용이 가능한 자율 플랫폼, 인식 시스템, 의사결정 인프라 구축 중
• Breaker 공동창업자 Matthew Buffa: "가장 흥미로운 기업들은 방위와 상업 중 양자택일이 아니라, 방위 요구사항을 충족할 만큼 유능하면서 상업적으로도 혁신적인 시스템 구축"

예측 6: 로보틱스 버블은 없음 — 오히려 이 분야에 충분한 자금이 들어오지 않는 중

• 지난 5년간 3,000만 달러 이상 투자받은 소프트웨어 기업은 745개, 로보틱스는 42개로 18배 적음
  • 반면 로보틱스의 기저 시장은 전 세계 소프트웨어 지출보다 30배 큰 규모
• 하드웨어 비즈니스의 자본 집약성을 감안하더라도, 기회 대비 구조적 과소 투자 상태
• 대부분의 애널리스트가 향후 10년간 50배 산업 성장을 전망하나, Bessemer는 이것도 기존 워크플로 자동화에 국한된 추정이며 범용 로봇이 창출할 새로운 경제 활동 카테고리를 반영하지 못한다고 판단
• 모든 투자받은 기업이 성공하는 것은 아니며, 일부 밸류에이션은 과대 평가 상태이고 자본은 소수의 리더에게 집중될 것
• 그러나 선별성과 희소성은 다른 문제로, 전체 로보틱스 투자 수준은 기회의 크기와 역량 발전 속도 대비 여전히 한참 부족
• ChatGPT 모먼트 도래 전, 인재 통합 완료 전인 지금이 핵심 기업에 투자하는 창구이며, 변곡점의 증거를 기다리면 기회를 놓침
• Flexion CEO Nikita Rudin: "5년 후 전 세계에 배포된 대부분의 로봇은 오늘날 알려진 스타트업이 아닌, 아직 로봇을 만들기 시작하지도 않았지만 대규모로 만들 줄 아는 기업이 제작할 것"

미해결 과제와 열린 논쟁

• 신뢰도 격차: 작업 성공률 80%에서 99.9%로의 향상은 선형 문제가 아님
  • 촉각 센싱, 포스 피드백, 조작을 위한 sim-to-real 전환 등 근본적으로 다른 접근 필요
  • Argus Systems CEO Lisa Yan: "Waymo에서의 경험상 실제 배포는 시간이 갈수록 더 어렵고 전문적인 데이터 큐레이션 문제를 드러내며, 99%에서 99.9%로의 격차를 좁히는 것은 대부분의 예상보다 오래 걸림"
• 추론 비용 문제: 월드 모델과 대형 비전-언어-행동 모델은 실시간 실행 비용이 높음
  • 텍스트 모델은 수천 명의 동시 사용자가 공유 인프라에서 배치 처리 가능하나, 로보틱스 모델은 로봇당 수 밀리초마다 환경 상태를 생성해야 하므로 사실상 전용 GPU 파이프라인 필요
  • LLM 추론 비용은 3년간 약 1,000배 하락했으며, 로보틱스가 유사한 곡선을 따를지 여부가 파운데이션 모델 접근법의 상업적 실현 가능성 결정
• 해석 가능성(Interpretability)이 차세대 인프라 레이어로 부상
  • 2026년 1분기에만 6~7개 월드 모델 기업에 약 60억 달러가 유입
  • Vayu Robotics 공동창업자 Mahesh Krishnamurthi: "산업이 성숙할수록 해석 가능성은 타협 불가능한 요소가 되며, 현재 이 모델들은 블랙박스 상태, 이를 열기 위한 도구를 만드는 스타트업의 물결 예상"
• 오픈소스 vs 클로즈드: LLM에서는 오픈소스가 생태계 발전을 극적으로 가속화했으나, 물리적 데이터와 배포 인프라가 모델 아키텍처만큼 중요한 로보틱스에서 같은 역학이 적용될지는 미확인
  • 오픈소스가 모델 아키텍처를 예상보다 빠르게 상품화할 것이나, 데이터와 배포 레이어는 충분히 오래 독점적으로 유지될 가능성
  • 스택의 어느 부분을 개방하고 어느 부분을 보호할지 이해하는 기업이 전략적 우위 확보

두 가지 진실의 공존

• Cobot CEO Brad Porter: "로보틱스의 ChatGPT 모먼트는 대부분이 생각하는 것보다 빨리 오고 있으며, 도래 시 생산 시간(실제 로봇, 실제 작업, 실제 환경) 이 병목이 될 것, 데모가 아닌 배포에 최적화하는 기업이 결정적으로 분리"
• 스텔스 로보틱스 기업 공동창업자 Philipp Wu: "타임라인은 대부분의 예상보다 훨씬 길며, 범용 로보틱스는 아직 5년 이상 소요"
• 이 두 관점은 상충이 아닌 다른 차원을 설명: Porter는 변곡점에 이르는 경로를, Wu는 그 변곡점이 실제로 얼마나 먼지를 기술
• 창업자를 위한 함의: 지금 결정적으로 배포하되, 범용 모먼트를 지평선으로 삼고 구축할 것
• 변곡점은 다가오고 있으며, 인재가 이동하고 하드웨어가 상품화되고 데이터 인프라가 구축되는 중이며, 향후 10년간 물리적 AI를 정의할 기업들이 지금 바로 설립되고 투자받고 있음